一、产品简介 #
品牌监测可以帮助业务侧直观量化各大品牌在社媒上的营销表现,并支持对品牌进行多维度地剖析,进而对营销表现进行归因,助力企业优化营销策略,达到降本增效的目的。
模块
|
功能
|
---|---|
模块
|
功能
|
心智排行 | 总览各品牌整体趋势变化,快速判断是否存在某个品牌的崛起 |
品牌剖析 | 深度剖析品牌表现及传播力 |
营销复盘 | 追踪复盘品牌历史营销活动 |
品牌对标 | 选取特定品牌,从社媒矩阵、达人营销等角度做数据对比 |
二、重要概念说明 #
平台 #
品牌社媒数据来源,比如抖音、小红书、新闻等
发声主体 #
将所有的社媒声量分类PGC/BGC/UGC三个类型,详细定义参见指标维度说明
达人 #
用户发帖中提及品牌相关关键词,且发声主体类型属于PGC的同时其粉丝量级达到尾部或以上,则定义为达人
消费者 #
用户发帖中提及品牌相关关键词,且发声主体类型属于UGC,则定义为品牌消费者
三、数据说明 #
1.数据来源 #
平台 | 细分站点说明 |
---|---|
抖音 | 抖音视频 |
小红书 | 小红书笔记 |
微博 | 新浪微博 |
微信 | 微信公众号文章 |
哔哩哔哩 | 哔哩哔哩视频 |
问答 | 知乎、百度知道 |
论坛 | 覆盖百度贴吧、豆瓣、虎扑、大众点评论坛、中关村论坛、天涯论坛、中国网管论坛、电子发烧友论坛、宝宝树论坛、雪球网论坛等各行业的主流论坛站点 |
新闻 | 覆盖今日头条、一点资讯、ZAKER新闻、百度新闻、新浪新闻、百度搜索、搜狗搜索、中国新闻网、中国财经信息网、凤凰网_财经、东方网等主流站点的新闻频道 |
视频 | 覆盖哔哩哔哩、优酷等主流视频站点 |
2.指标说明 #
指标 |
含义 |
SMI |
Social Mind Index,社媒心智指数,是数说故事以消费者心智模型和品效合一模型为基础,采用消费者全域社媒数据,构建出的用于衡量品牌在社媒上的消费者心智影响力的综合指标 |
声量 |
分析对象被提及的文本数量,若在同一条文本被提及多次,声量记1 |
互动量 |
针对分析对象被提及文本的所有互动指标之和,包括转发数/评论数/点赞数/收藏数等。 |
平均互动量 | 平均互动量=本期的互动量/ 本期的声量 |
声量份额 |
当前品牌声量/所评估品牌总声量*100% |
互动量份额 |
当前品牌互动量/所评估品牌总互动量*100% |
NSR(Net Sentiment Rate,净情感度) |
通过计算品牌在网上正面与负面评价比例来分析品牌在网上口碑。 NSR=(品牌正面UGC且非追星文声量-品牌负面UGC且非追星文声量)/(品牌正面UGC且非追星文声量+品牌负面UGC且非追星文声量)*100%。 |
同比相关指标 |
同比=(本期指标值-去年同期指标值)/去年同期指标值 * 100% 比如:声量同比=(本期声量值-去年同期声量值)/去年同期声量值* 100% |
环比相关指标 |
环比=(本期指标值-上期指标值)/上期指标值* 100% 比如:声量环比=(本期声量值-上期声量值)/上期声量值* 100% |
TGI(Target Group Index,目标群体指数) |
[关注品牌的用户中具有某一特征的群体所占比例/总用户中具有相同特征的群体所占比例]*标准数100。反映目标群体在特定研究范围内的强势或弱势,其中TGI指数等于100表示平均水平,高于100,代表该类用户对某类问题的关注程度高于整体水平。 |
3.维度说明 #
平台 #
同一类数据源的总称,例如:新浪新闻、搜狐新闻、腾讯新闻等均属于“新闻阵地”。
发声主体 #
通过作者的粉丝数和认证类型,将声量分成了BGC、PGC、UGC三类。
- BGC(全称:Brand Generated Content),指品牌生产内容
- PGC(全称:Professional Generated Content),指专业生产内容
- UGC(全称:User Generated Content),指用户生产内容
不同平台有不同的条件,具体见下方介绍。
平台 |
BGC |
PGC |
UGC |
微博 |
品牌官方账号库 |
粉丝数≥10w 且非品牌官方用户的声量 |
粉丝数<10w |
微信 |
品牌官方账号库 |
非品牌官方用户的声量 |
无 |
小红书 |
品牌官方账号库 |
粉丝数 ≥ 1万 且非品牌官方用户的声量 |
粉丝数<1万 |
哔哩哔哩 |
品牌官方账号库 |
非品牌官方用户的声量 |
无 |
抖音 |
品牌官方账号库 |
粉丝数≥10万 且非品牌官方用户的声量 |
粉丝数<10w |
新闻 |
无 |
均为PGC |
无 |
论坛 |
无 |
无 |
均为UGC |
问答 |
无 |
无 |
均为UGC |
粉丝层级 #
平台
|
超头部
|
头部
|
上腰部
|
下腰部
|
尾部
|
---|---|---|---|---|---|
平台
|
超头部
|
头部
|
上腰部
|
下腰部
|
尾部
|
微博 | 1000w以上 | 500w-1000w | 200w-500w | 100w-200w | 10w-100w |
抖音 | 1000w以上 | 500w-1000w | 300w-500w | 100w-300w | 10w-100w |
小红书 | 100w以上 | 50w-100w | 30w-50w | 10w-30w | 1w-10w |
哔哩哔哩 | 200w以上 | 100w-200w | 50w-100w | 10w-50w | 1w-10w |
微博-城市级别 #
-
一线城市:北京,上海,广州,深圳
-
二线城市:保定,金华,兰州,廊坊,绍兴,台州,中山,珠海,泉州,哈尔滨,贵阳,烟台,太原,昆明,南通,济南,常州,徐州,南宁,南昌,长春,嘉兴,无锡,石家庄,温州,惠州,宁波,福州,厦门,大连
-
三线城市:洛阳,潍坊,扬州,安庆,蚌埠,滁州,阜阳,黄冈,荆州,九江,六安,马鞍山,南充,宁德,莆田,清远,商丘,上饶,新乡,信阳,宿迁,肇庆,驻马店,遵义,潮州,菏泽,宿州,宜春,周口,绵阳,鞍山,赣州,江门,襄樊,连云港,呼和浩特,临沂,邢台,衡阳,江阴,张家港,湛江,济宁,镇江,邯郸,沧州,芜湖,株洲,银川,乌鲁木齐,漳州,威海,盐城,揭阳,海口,宜昌,柳州,汕头,大庆,南阳,唐山,淮安,桂林,秦皇岛,淄博,咸阳,舟山,岳阳,义乌,三亚,泰州,襄阳,泰安,湖州,昆山
-
四线城市:包头,宝鸡,滨州,常德,郴州,德阳,东营,鄂尔多斯,吉林,聊城,龙岩,梅州,齐齐哈尔,西宁,榆林,运城,渭南,延安,安阳,锦州,四平,大同,邵阳,牡丹江,葫芦岛,晋中,曲靖,玉溪,通辽,盘锦,十堰,攀枝花,内江,日照,益阳,平顶山,本溪,绥化,开封,辽阳,朝阳,资阳,孝感,通化,三明,韶关,德州,延边,吉安,娄底,淮南,枣庄,吕梁,赤峰,南平,黄山,许昌,永州,衢州,抚顺,阳江,茂名,丹东,丽水,焦作,湘潭,承德,铁岭,拉萨,泸州,荆门,延边朝鲜族自治州,张家口,巢湖,临汾,宜宾,营口,黄石,乐山,衡水,达州
-
五线城市:大兴安岭,海安,天门,潜江,广元,吴忠,陇南,仙桃,文山,博尔,白银,黑河,铜川,诸暨,巴音郭楞,巴中,莱西,博尔塔拉蒙古自治州,临沧,克孜勒苏,乌海,果洛,福清,佳木斯,随州,吐鲁番,兴安盟,兴化,邳州,章丘,崇明,三河,安顺,毕节,寿光,长兴县,果洛藏族自治州,白山,巴彦淖尔盟,长安镇,鳌江-龙港镇,德宏傣族景颇族自治州,奉化,固原,诸城,如皋,文山壮族苗族自治州,宣城,那曲,湘西土家族苗族自治州,和田,大洼县,海东,辽源,浏阳,甘南,余姚,保山,恩施,闽侯县,孝义,阿勒泰,鹤壁,石嘴山,楚雄,广安,高密,德清县,晋江,库尔勒,河池,阜新,胶南,克孜勒苏柯尔克孜自治州,梧州,新沂,招远,黔西南,贵港,西双版纳,玉树,桓台县,荣成,邹平县,临夏回族自治州,甘孜,抚州,恩施土家族苗族自治州,阿坝,黔东南,虎门镇,汕尾,兖州,河源,玉林,阿克苏,嘉善县,林芝,新郑,黄南,建湖县,黔东南苗族侗族自治州,神木县,白城,黔南布衣族苗族自治州,阳泉,儋州,迪庆藏族自治州,海西蒙古族藏族自治州,酒泉,玉环,萍乡,鄂州,甘孜藏族自治州,海北藏族自治州,玉树藏族自治州,海门,新泰,如东县,准格尔旗,凉山,昌吉回族自治州,肥西县,西昌,红河,怀化,红河哈尼族彝族自治州,咸宁,张家界,天水,崇左,商洛,迁安,锡林郭勒盟,武威,肥城,哈密,黄南藏族自治州,阿坝藏族羌族自治州,新密,伊金霍洛旗,昭通,铜陵,池州,海南藏族自治州,防城港,钦州,莱州,六盘水,湘西,鹰潭,嘉峪关,调兵山,靖江,庆阳,汉中,三沙,三门峡,开原,石河子,赣榆县,丰县,蓬莱,博罗县,莱芜,朔州,海宁,新余,伊犁,呼伦贝尔,云浮,东台,伊宁,临海,仪征,德宏,沭阳县,即墨,金坛,遂宁,金昌,惠安县,山南,永康,长治,青州,阿里,西双版纳傣族自治州,龙海,平度,平湖,大理,松原,伊犁哈萨克自治州,宁海县,东阳,海城,黔南,普洱,楚雄彝族自治州,邹城,乌兰察布盟,永安,自贡,龙口,贺州,甘南藏族自治州,泰兴,伊春,平凉,鸡西,丽江,铜仁,克拉玛依,濮阳,临夏,亳州,百色,雅安,晋城,忻州,济源,塔城,文登,来宾,庄河,常熟,巩义,思茅,中卫,武安,迪庆,双鸭山,辽中县,漯河,昌都,眉山,新民,昌吉,海南,宁乡县,东港,鹤岗,淮北,黔西南布衣族苗族自治州,大丰,安康,海西,启东,增城,阿拉善盟,沛县,怒江,七台河,日喀则,定西,景德镇,丹阳,张掖,北海,胶州,海北,凉山彝族自治州,府谷县,怒江傈僳族自治州,喀什,郫县
- 新一线:成都,东莞,佛山,杭州,合肥,南京,青岛,沈阳,苏州,天津,武汉,西安,长沙,郑州,重庆
四、操作说明 #
1.心智排行 #
【行业SMI】直观反映品牌在所处行业中的心智地位、诊断品牌社媒心智的关键影响因素,帮助企业更好的衡量品牌社媒资产,提升品牌影响力,促进生意增长。
【核心品牌】可快速了解本竞品的核心指标如声量、互动量、NSR等在各个阵地的社媒本期表现与变化
2.品牌剖析 #
深度分析感兴趣的品牌,剖析品牌社媒表现,进而对营销策略进行归因分析
品牌筛选器:查看想要深度剖析的品牌,每次只可选一个
平台筛选器:可选择查看特定平台数据
时间筛选器:可选择特定时间范围来查看数据
2.1 社媒矩阵 #
2.1.1 社媒矩阵 #
分析指标:可分别基于 声量、互动量、NSR 对品牌在不同平台上的社媒表现做分析
平台份额分布:展示品牌在不同社媒平台上的表现
- 支持按绝对值或按份额查看本期与上期的情况,其中份额指的是该品牌在本品类下所有品牌中的占有率
- 右侧为当期特定平台下,所有品牌的份额表现,以便进一步探索品牌间的竞争变动情况
发声主体份额:展示品牌在不同发声主体类型上的表现
- 支持按绝对值或按份额查看本期与上期的情况,其中份额指的是该品牌在本品类下所有品牌中的占有率
- 右侧为当期特定平台下,所有品牌的份额表现,以便进一步探索品牌间的竞争变动情况
2.1.2 热议内容 #
品牌传播概况:总览该品牌的社媒的传播表现
- 峰值事件:在周期内品牌的声量和互动量的传播热度趋势和峰值事件(互动量最高的单帖内容)
- 声量趋势:该品牌声量在各个社媒平台的传播表现,支持按月/按日/平台进行深入分析
- 互动量趋势:该品牌互动量在各个社媒平台的传播表现,支持按月/按日/平台进行深入分析
关键词:对一段文本分词后再按照TF*IDF算法结果提取重要性Top5的关键词
- TF=某个词在该文本出现的次数,如果出现次数越多代表该词越重要;IDF=某个词在所有统计文本出现次数的倒数再取log,如果在大多数文章出现代表该词重要性较低,比如“的确”等词
- 某个关键词的词频=所选条件的帖子提取的关键词的个数
实体词:文章中提到的实体词,如产品名、功效、成分、颜色等
话题:特指微博、抖音、小红书平台上,以##出现的内容,该词云反映了品牌在平台上的营销推广内容
词的声量/互动量:选择声量时解读为消费者讨论较多的词,选择互动量时解读为品牌核心营销词
2.1.3 话题分析 #
指标卡:了解话题对平台上的品牌声量互动量贡献
- 抖音声量话题贡献:内容带hashtag的声量/品牌在抖音平台声量*100%
- 抖音互动量话题贡献:内容带hashtag的互动量/品牌在抖音平台互动量*100%
- 微博声量话题贡献:内容带hashtag的声量/品牌在微博平台声量*100%
- 微博互动量话题贡献:内容带hashtag的互动量/品牌在微博平台互动量*100%
- 小红书声量话题贡献:内容带hashtag的声量/品牌在小红书平台声量*100%
- 小红书互动量话题贡献:内容带hashtag的互动量/品牌在小红书平台互动量*100%
话题列表:了解在哪些热门话题下,消费者会提起这些品牌,以及对品牌的情感指向
- 右上角可切换查看所有平台或单个平台
- 点击“查看”可进一步下钻分析该话题在社媒上的传播情况
2.2 达人 #
2.2.1 达人分析 #
2.2.2 文章列表 #
2.2.3 达人列表 #
2.3 消费者 #
2.3.1 消费者声音 #
内容类型:基于UGC数据进行归类,分为产品、促销、明星三类。
- 产品:消费者发布的与品牌产品相关的讨论;
- 促销:消费者提及优惠、折扣相关信息,反映消费者对品牌促销动作的感知;
- 明星:消费者提及明星相关信息,反映消费者对品牌联合明星营销的感知。
其中,份额是指该品牌相对同品类下所有品牌中所占的比例。
情感占比分布:利用实体情感算法,判断文章内容中与品牌相关的情感倾向。
2.3.2 消费者画像 #
目前提供微博/抖音平台的人群画像,支持快速查看数据辐射人群画像信息,提高对受众的精准认知,辅助品牌方及时调整商业活动策略。
此页面提供较全的画像维度,包括性别分布、年龄分布、城市级别分布、地区分布、爱好标签、关注用户排名、关注话题。
图表标题均有注释说明,可将鼠标移入查看。
2.4 官号运营 #
支持对本竞品官号做对比分析
附:核心算法说明 #
1.社媒营销广告算法:
品牌方在社媒投放广告后,需要对社媒营销效果进行归因分析,评估广告投放策略触达消费者的广度和深度。目前的社媒平台的内容可以大致分为品牌付费广告、用户自发内容、粉丝追星水贴、返利优惠广告、品牌新闻稿/公关文这几种类型。所以通过社媒营销广告算法将社媒数据分为内容营销广告、自发创作、追星文、垃圾广告、新闻公关。
2.关键词提取算法
从文本中提取出与这篇文档意义最相关的一些词,通过这些关键词就可以了解文本的主题思想。文本通过关键词提取后可以方便后续地摘要提取,文本分类/聚类等问题的处理分析工作
3.情感判断算法
用户通过发表内容表达自身情感时,主要包括正面、负面、中性三种倾向。数说基于自然语言处理及机器学习技术,深入挖掘用户不同情感的隐含特征,包括极致赞扬、粗鲁表达、特殊表情及符号折射的情感表达,并经过大量的情感标注数据,迭代优化情感判别模型。目前,数说情感判别模型准确率可达85%以上
4.文本指纹识别算法
文本指纹算法指的是对文本生成“数字指纹”,这个数字指纹是一个由字母和数字组成的32位的字符串,用这个字符串指纹来作为该文本的标识。文本指纹算法可以用来衡量不同文本之间的相似程度,指纹相同,文本也就越相似,此算法在文本去重,信息检索等文本处理任务有重要应用